随着科技的飞速发展以及人们对生活品质的不断提升,云计算、物联网、移动互联网等支撑下的智慧城市可望为人们提供智慧化、现代化的生活环境。在智慧城市中,用户对移动互联网的需求和粘性不断增加,网络的服务质量正面临着巨大的考验。基站作为承载网络流量的基础设施,掌握了基站流量变化趋势,及时进行网络升级优化、网络流量卸载等网络资源的合理分配,对于提升网络服务质量具有重要作用。因此本文在智慧城市的背景下,设计面向智慧城市的基站网络流量预测方法及系统,具体研究内容如下:首先,针对触觉互联网的研究与智慧城市发展愿景,提出了基于触觉互联网的智慧城市体系框架。触觉互联网是一种低延迟、高可靠性的通信基础设施,将触觉互联网引入智慧城市,不仅革新了现有的通信和交互方式,并且可望利用触觉信息和触觉相关应用,从而更好地促进了智慧城市的智能化进程和最终用户的体验质量。接着,针对布放在智慧城市中的基站流量数据,对其进行异常值、缺失值处理和数据标准化等数据预处理工作;通过对基站流量数据时间特性分析,提取基站流量特征;在特征工程完成后,采用基于局部加权回归的季节趋势分解方法与长短期记忆网络融合(STL-LSTM)实现对原始基站流量数据进行分解,以删除随机性成分,利用其长短期依赖特性进一步与基站流量数据中高度可预测的规律性和不可以预测的随机性相结合。实验结果表明,STL-LSTM相比长短期记忆神经网络(LSTM)具有更强的流量预测能力。最后,为了确保运维人员能够及时获取基站流量的变化趋势,及时对基站负载情况做出相应的调整,设计了基于Spark大数据处理平台和Gentelella前端显示框架的基站流量预测系统,实现了系统登录、系统管理、集群管理与维护、流量预测和系统故障反馈功能。